Discusin En resumen, nuestros resultados demuentran que el crecimiento bacterial desbalanceado puede proveer gran informacin que facilita la inference o clasificacin de cepas bacterianas. La abilidad de distinguir microorganismo rpidamente es de importancia critica en varios campos incluida la medicina, agricultura y biotecnologa.Nuestro aprovechamiento descansa en un simple ensayo de crecimiento y puede ofrecer un simple y complementario aprovechamiento de mtodos comunes.El aprovechamiento comn de la identificacin de bacterias descansa principalmente en el anlisis de secuencias de rARN que no se diferencian entre diferentes cepas de una especie.A lo largo de esta lnea, nuestro mtodo sirve como una alternativa que permite un alto rendimiento, a nivel fenotpico de la bacteria. La habilidad de nuestro enfoque para identificar ciertos genes envueltos en las mismas corrientes celulares puede permitir la identificacin de componetes celulares pasados por alto previamenteque pueden contribuir a ladinamica de una sola red. Finalmente, nuestros resultados pueden tener valor para implementar diseo experimental en el estudio de la dinmica celular y regulacin de genes permitiendo la contruccion de modelos predictivvos mas precisos y eficientes que son tiles para sugerir hiptesis y explorar los efectos de intervenciones experimentales

ACA VA EL DIBujito

Figura 5. La ingeniera inversa de un modelo de crecimiento mediante la transformacion wavelet. A. El diagrama de flujo de un algoritmo de enjambre que identifica los modelos de crecimiento utilizando la transformacion wavelet. El algoritmo evoluciona estocsticamente modelos de crecimiento mediante la combinacin de diferentes componentes de ecuaciones y parmetros. Ver descripcin detallada algoritmo en S1 texto. B. Un modelo identificado (panel izquierdo), utilizando la dinmica de crecimiento desequilibrados de cuatro cepas bacterianas MG1655z1 (mg), DH5aPro (DPro), BL21Pro (Bpro) y MDS (MDS) (panel derecho). El modelo puede explicar curvas de crecimiento de las cuatro cepas bacterianas con la dinmica de crecimiento distinguido. En el panel de la izquierda, las lneas verdes representan la activacin mientras que las lneas rojas representan la represin. En el panel derecho, las cruzes grices representan datos originales. Las lneas negras representan datos simulados utilizando el modelo.retculo representan datos originales. Las lneas negras representan datos simulados utilizando el modelo.Materiales y mtodosPara cada cepa bacteriana, una sola poblacin congelada se utiliza para inocular el medio de crecimiento. Plantamos una poblacin en LB agar plata y entonces aleatoriamente seleccionamos colonias de bacterias para experimentos. El medio LB fue usado para preparar cultivos durate la noche a 37C. Despues de aproximadamente 16 horas crecio, los cultivados durante la noche fueron diluidos 100 veces de nuevo en medio Lb fresco para preparar el segundo lote de cultivos durante la noche. El segundo lote de cultivos durante la noche fueron diluidos 100 veces en medio minimo M9, suplementados con especficos porcentajes de glucosa y acido casaminico (tabla3). Las bacterias crecieron en 200 ul de medio cubierto por 50 ul de aceite mineral (sigma Aldrich, Mo) en 96 micro placas a la temperatura especificada por un lector de microplacas Victor 3. Las microplacas se agitaron y midi a intervalos de 10 minutos. No se observ la evaporacin significativa de los medios durante la duracin experimental.Informacion de apoyoFigura S1 modelos mnimos para la comparacin de contenido de informacin. A. Un marco para medir el parmetro de identificabilidad. Para simplificar, hemos creado modelos usando las ecuaciones de flujo lineal. Un modelo se transform utilizando la transformacion de Laplace, seguido por clculo de su funcin de transferencia.La funcin de transferencia se utiliz para calcular identificabilidad de cada parmetro, lo que produjo una matriz de correlacin entre los parmetros. Factores de correlacin cercanos a cualquiera 1 o menos 1 indica alta correlacion, por lo tanto, baja identificabilidad. Para un modelo de ejemplo, cuatro parmetros eran identificables mediante una entrada constante (con niveles de nutrientes fijos, caja roja). En contraste, todos los cinco parmetros eran identificables utilizando una entrada de la clula acoplada (caja azul). La lnea roja representa la serie de tiempo de una seal de entrada constante. La lnea azul representa las series de tiempo de una seal celular acoplados. B. Componentes de los modelos mnimos. Construimos modelos no lineales utilizando reacciones de flujo (lneas verdes), los bucles de regulacin positivos (lneas azules), y bucles de regulacin negativos (lneas rojas).Tambien incluimos reacciones multiplicativas de dos especies moleculares C. Figura S2 La transformacion Wavelet de las curvas de la tasa de crecimiento de bacterias.Curvas de tasas de crecimiento de la muestra de siete cepas bacterianas. mg =MG1655z1, dpro = DH5aPro, pao = PAO1, mds = MDS42,bpro = BL21Pro, etec = ETEC, jm109 = JM109, top 10 =Top10. B La transformacin walvet de las cepas bacterianas. C. Davies-Bouldin en diferentes perodos wavelet. Esta mtrica se utiliz para evaluar la calidad de la agrupacin. Una puntuacin baja indica una mejor separacin de las agrupaciones. D. Clasificacin de las curvas de tipos de crecimiento en grupos respectivos utilizando los resultados de la Figura 3C y D. Los paneles superiores muestran los resultados de la clasificacin utilizando datos de crecimiento en bruto y los paneles inferiores muestran los resultados de la clasificacin usando la transformacion wavelet. Etiquetas rojas indican las curvas de crecimiento que fueron mal clasificados en los grupos equivocados. MG= MG1655z1, Dpro =DH5aPro, PAO=PAO1, MDS= MDS42, Bpro = BL21Pro, ETEC =ETEC, JM109 = JM109, Top10 = Top10. E. El metodo wavelet clasifica correctamente todas las cepas, ecvempto en una instacia de Histograma de cepas mal clasificados utilizando datos en bruto. El anlisis de la agregacin clasifica todas las cepas correctamente en slo una instancia de las muestras de arranque.Figura S3 Tiempo multiplexacin serie para mejorar la identificacin de cepas bacterianas.Las tasas de crecimiento de MG1655z1 con el tiempo. El MG1655z1 fue sujeto de cinco perturbaciones experimentacles> carga de plasmidio (lnea de color negro), baja temperatura de incubacion (lnea de puntos negros), y bajos nutrientes (lnea negra discontinua) Ver Tabla S3 para la configuracin experimental detallado.Las tasas de crecimiento de B. BL21Pro lo largo del tiempo. BL21Pro se someti a las mismas perturbaciones experimentales como (a). Las tasas de crecimiento de C. Multiplex MG1655z1. Curvas de crecimiento en cuatro condiciones experimentales diferentes fueron multiplexados en una curva de crecimiento individual. La curva de crecimiento multiplexada se utiliz para la identificacin de la cepa en (D). D. Clasificacin de BL21Pro y MG1655z1 utilizando el control o las curvas de crecimiento multiplex. Las curvas de crecimiento multiplex aument significativamente la separacin entre BL21Pro y MG1655z1, lo que sugiere que podran ser mejor identificados en los experimentos

Figura S4 Aplicando el marco computacional para datos de expresin gnica. A. La transformacion Wavelet de una serie temporal de los niveles de expresin gnica. Cada perfil de expresin se transform en el dominio wavelet, lo que da lugar a dos caractersticas wavelet. Las dos caractersticas wavelet corresponden al tiempo y el perodo cuando la suma de los coeficientes de tren de ondas es la ms alta, como se indica por la pico en los paneles superior e izquierdo. B. Clasificacin de los promotores que son regulados por RpoH a travs de seis condiciones experimentales [8]. Slo un subconjunto de promotores se clasifica junto con rpoH (rojo lneas de color), lo que sugiere que comparten similitud dinmica con RpoH. Estos promotores pueden ser reguladas con ms fuerza por RpoH. Una flecha roja indica la posicin de rpoH. El cuadro de la la derecha indica la firma mapa de calor de cada promotor. Cada fila de la firma heatmap representa el vector de caractersticas de cada promotor. El vector de caracterstica consiste en una concatenacin de dos caractersticas para cada condicin de crecimiento (de izquierda a derecha: la glucosa, sin glucosa, aminocidos, no hay nada de nitrgeno, no fosfato, y con etanol). Secuencias C. Consenso de 235 y 210 promotor regiones de los genes que se agrupan cerca de (indicar por un * en el panel B) o lejos (indicado por un # en el panel B) de rpoH. Adems, se utiliz alta puntuacin y baja puntuacin 235 y 210 secuencias de consenso de un estudio de chip-on-chip de rpoH [6]. Comparamos estos secuencias de consenso a la secuencia de consenso funcional que era previamente identificados [5]. Los cambios en el consenso funcional secuencia se ha demostrado para reducir la transcripcin de aguas abajo genes. En general, se encontr que los genes que agrupan ms cerca de rpoH, as como aquellos con puntuaciones altas chip-on-chip, tena un consenso secuencia que era ms similar a la secuencia de consenso funcional que los que agrupan ms lejos (y aquellos con puntuaciones inferiores chip-on-chip).

Figura S5 Perturbacin del modelo de crecimiento estimado. Tasas de crecimiento predichas utilizando el modelo estimado (Fig. 3B). Para poner a prueba la capacidad de prediccin del modelo de crecimiento estimado, emulamos carga plsmido a una temperatura menor crecimiento mediante la modificacin de los parmetros del sistema (Ecuacin 2.5). Para emular carga plsmido, k se increment a 1.2 (Ecuacin 2-5 y Tabla S4). Para emular una temperatura menor crecimiento, todas las constantes cinticas se redujeron en un 30%. Los resultados predichos estn de acuerdo cualitativamente con nuestros resultados experimentales (Fig. S3A). Especificamente, con la carga de plsmido, las tasas de crecimiento mximas disminuyen, pero el perfil general de la tasa de crecimiento es similar entre las clulas no perturbados y perturbados. Con una temperatura menor crecimiento, las tasas de crecimiento mximas disminuyen y las clulas perturbadas alcanzan la fase estacionaria ms tarde de las clulas no perturbadas.